| 孙世超，索龙龙，张伍杰，许永杰，谢亚玎.基于增强CT影像组学结合机器学习预测结直肠癌肿瘤出芽等级的价值[J].放射学实践,2026,41(09):1006-1012 |
| 基于增强CT影像组学结合机器学习预测结直肠癌肿瘤出芽等级的价值 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.09.005 |
| 中文关键词: 结直肠癌 肿瘤出芽 体层摄影术,X线计算机 影像组学 列线图 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 220 |
| 全文下载次数: 150 |
| 中文摘要: |
| 【摘要】目的：探讨基于增强CT影像组学结合机器学习对结直肠癌肿瘤出芽（TB）等级的预测价值。方法：回顾性收集两个中心经术后病理证实的结直肠癌患者。中心1纳入467例患者，按7：3随机分为训练集（327例）和内部验证集（140例）；中心2纳入209例患者，均用作外部验证集。根据术后病理结果分为中低TB组和高TB组。在增强三期图像上逐层勾画肿瘤轮廓，并提取其影像组学特征。使用多层感知器、支持向量机（SVM）、逻辑回归和朴素贝叶斯构建预测模型。同时，利用单因素和多因素Logistic回归分析选取临床影像学特征中的独立预测因素，并作为额外的特征输入至最优影像组学模型中构建列线图模型。结果：SVM表现出良好的预测性能，在训练集、内部验证集和外部验证集的AUC分别为0.918、0.863、0.835。分化程度、强化方式和CT-N分期是结直肠癌TB等级的独立预测因素，将其输入至SVM模型中构建的列线图模型具有最高的预测性能，在训练集、内部验证集和外部验证集中的AUC分别为0.951、0.904、0.858。结论：基于增强CT影像组学和机器学习的预测模型可在术前较好地预测结直肠癌TB等级，纳入临床影像学特征构建的列线图模型可进一步提升性能。 |
| 英文摘要: |
| |
|
查看全文
下载PDF阅读器 HTML全文 |
| 关闭 |
